論文の概要: Situational Graphs for Robot Navigation in Structured Indoor Environments

• arxiv url: http://arxiv.org/abs/2202.12197v1
• Date: Thu, 24 Feb 2022 16:59:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-25 18:04:55.019673
• Title: Situational Graphs for Robot Navigation in Structured Indoor Environments
• Title（参考訳）: 構造化屋内環境におけるロボットナビゲーションの状況グラフ
• Authors: Hriday Bavle, Jose Luis Sanchez-Lopez, Muhammad Shaheer, Javier Civera, Holger Voos
• Abstract要約: 環境を表す1つのグラフからなるリアルタイムオンライン構築状況グラフ(S-Graphs)を提示する。 本手法は3次元LiDARスキャンから抽出した計測値と平面面を用いて3層Sグラフをリアルタイムに構築・最適化する。 提案手法は,ロボットのポーズ推定の最先端結果を示すだけでなく,環境の計量意味・トポロジーモデルにも寄与する。
• 参考スコア（独自算出の注目度）: 9.13466172688693
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous mobile robots should be aware of their situation, understood as a comprehensive understanding of the environment along with the estimation of its own state, to successfully make decisions and execute tasks in natural environments. 3D scene graphs are an emerging field of research with great potential to represent these situations in a joint model comprising geometric, semantic and relational/topological dimensions. Although 3D scene graphs have already been utilized for this, further research is still required to effectively deploy them on-board mobile robots. To this end, we present in this paper a real-time online built Situational Graphs (S-Graphs), composed of a single graph representing the environment, while simultaneously improving the robot pose estimation. Our method utilizes odometry readings and planar surfaces extracted from 3D LiDAR scans, to construct and optimize in real-time a three layered S-Graph that includes a robot tracking layer where the robot poses are registered, a metric-semantic layer with features such as planar walls and our novel topological layer constraining higher-level features such as corridors and rooms. Our proposal does not only demonstrate state-of-the-art results for pose estimation of the robot, but also contributes with a metric-semantic-topological model of the environment
• Abstract（参考訳）: 自律型移動ロボットは、自然環境における意思決定とタスク実行を成功させるために、環境の総合的な理解と、その状態の推定を意識すべきである。 3次元シーングラフは、幾何学的・意味的・関係的・位相的次元からなるジョイントモデルにおいて、これらの状況を表現する大きな可能性を持つ、新たな研究分野である。 このために既に3dシーングラフが使われているが、モバイルロボットに効果的に配置するにはさらなる研究が必要である。 そこで本稿では,環境を表す1つのグラフからなるリアルタイムオンライン構築状況グラフ(S-Graphs)を,同時にロボットのポーズ推定を改善するとともに提示する。 提案手法では,3次元LiDARスキャンから抽出した計測値と平面面を用いて,ロボットのポーズを登録するロボット追跡層,平面壁などの特徴を持つメカニカル・セマンティック層,廊下や部屋などの高次特徴を制約する新しいトポロジ層などの3層Sグラフをリアルタイムで構築・最適化する。 我々の提案は、ロボットのポーズ推定の最先端結果を示すだけでなく、環境の計量-意味-トポロジーモデルにも貢献する。

関連論文リスト

• SUGAR: Pre-training 3D Visual Representations for Robotics [85.55534363501131]
  ロボット工学のための新しい3D事前学習フレームワークSUGARを紹介した。 SUGARは3次元の点雲を通してオブジェクトの意味的、幾何学的、および余分な特性をキャプチャする。 SuGARの3D表現は最先端の2Dおよび3D表現よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-01T21:23:03Z)
• Care3D: An Active 3D Object Detection Dataset of Real Robotic-Care Environments [52.425280825457385]
  本稿では,実環境の注釈付きデータセットを紹介する。 捕獲された環境は、ロボット医療研究の分野ですでに使われている領域を表している。 また,医療ロボット上で直接動作するSLAMアルゴリズムを評価するために,一室で真実データを提供する。
  論文  参考訳（メタデータ） (2023-10-09T10:35:37Z)
• SG-Bot: Object Rearrangement via Coarse-to-Fine Robotic Imagination on Scene Graphs [81.15889805560333]
  本稿では,新しいアレンジメントフレームワークであるSG-Botを紹介する。 SG-Botは軽量でリアルタイムでユーザ制御可能な特性を実証する。 実験の結果、SG-Botはライバルよりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-09-21T15:54:33Z)
• S-Graphs+: Real-time Localization and Mapping leveraging Hierarchical Representations [9.13466172688693]
  S-Graphs+は,(1)ロボットのポーズを推定したポーズ層,(2)壁面を表す壁層,(3)壁面の集合を含む部屋層,(4)部屋を所定の階内に集める床層を含む,新しい4層係数グラフである。 上記のグラフは、ロボットのポーズとそのマップの堅牢で正確な推定値を得るために、リアルタイムで最適化され、同時に環境の高レベル情報を構築し、活用する。
  論文  参考訳（メタデータ） (2022-12-22T15:06:21Z)
• Advanced Situational Graphs for Robot Navigation in Structured Indoor Environments [9.13466172688693]
  本稿では,5層最適化可能なグラフからなる状況グラフ(S-Graphs+)の高度なバージョンを提案する。 S-Graphs+は、効率よく部屋情報を抽出するS-Graphsよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-11-16T08:30:05Z)
• Semi-Perspective Decoupled Heatmaps for 3D Robot Pose Estimation from Depth Maps [66.24554680709417]
  協調環境における労働者とロボットの正確な3D位置を知ることは、いくつかの実際のアプリケーションを可能にする。 本研究では、深度デバイスと深度ニューラルネットワークに基づく非侵襲的なフレームワークを提案し、外部カメラからロボットの3次元ポーズを推定する。
  論文  参考訳（メタデータ） (2022-07-06T08:52:12Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• Reasoning with Scene Graphs for Robot Planning under Partial Observability [7.121002367542985]
  我々は,ロボットが視覚的文脈情報で推論できるロボット計画のためのシーン解析アルゴリズムを開発した。 シミュレーションで複数の3D環境と実際のロボットが収集したデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2022-02-21T18:45:56Z)
• OG-SGG: Ontology-Guided Scene Graph Generation. A Case Study in Transfer Learning for Telepresence Robotics [124.08684545010664]
  画像からのシーングラフ生成は、ロボット工学のようなアプリケーションに非常に関心を持つタスクである。 オントロジー誘導シーングラフ生成(OG-SGG)と呼ばれるフレームワークの初期近似を提案する。
  論文  参考訳（メタデータ） (2022-02-21T13:23:15Z)
• 3D Dynamic Scene Graphs: Actionable Spatial Perception with Places, Objects, and Humans [27.747241700017728]
  動作可能な空間知覚のための統一表現として,3次元ダイナミックシーングラフを提案する。 3D Dynamic Scene Graphsは、計画と意思決定、人間とロボットのインタラクション、長期的な自律性、シーン予測に大きな影響を与える可能性がある。
  論文  参考訳（メタデータ） (2020-02-15T00:46:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。